Области применения процедур кластеризации

[pic 1]

МИНОБРНАУКИ РОССИИ

федеральное государственное бюджетное образовательное учреждение

высшего образования

«Новосибирский государственный университет экономики и управления «НИНХ»

(ФГБОУ ВО «НГУЭУ», НГУЭУ)

Кафедра статистики

РЕФЕРАТ

Области применения процедур кластеризации 

Дисциплина: Многомерные статистические методы анализа

Ф.И.О студента: Стопичев Дмитрий Андреевич

Направление: 38.04.01 Экономика

Направленность (профиль): Бизнес-аналитика и экономическое прогнозирование

Номер группы: БА101

Номер зачетной книжки: 212170

Проверил: Найверт Иван Владимирович, ассистент кафедры статистики

Новосибирск 2023

Содержание

Введение        3

1. Процедуры кластеризации в анализе данных        5

1.1 Сущность кластеризации        5

1.2 Роль кластеризации в анализе данных        6

2. Методы кластеризации        9

2.1 Кластеризация методом k-средних        9

2.2 Иерархический кластерный анализ        11

3. Области применения процедур кластеризации        13

Заключение        15

Список использованных источников        16

1. Введение

В процессе становления эры цифровизации и взрывным ростом объемов данных, перед нашим обществом встала острая необходимость в разработке эффективных методов их обработки. В этом контексте процедуры кластеризации выделяются как мощный инструмент, способный систематизировать и структурировать множество информации. Кластеризация, использующаяся как метод машинного обучения, претендует на роль ключевого элемента в анализе данных, способного раскрывать скрытые закономерности и открывать новые грани понимания информации.

Наиболее важной задачей процедур кластеризации является группировка данных по их схожести. Суть этого метода заключается в выделении наборов данных, которые обладают общими характеристиками, образуя тем самым кластеры.

Особого внимания требует рассмотрение различных областей применения процедур кластеризации и их влияние на различные сферы жизнедеятельности. Процедуры кластеризации демонстрируют свою универсальность и эффективность в обработке разнообразных данных.

Объектом исследования являются процедуры кластеризации, предметом – области их применения.

Целью работы выступает рассмотрение разнообразных областей применения процедур кластеризации, выявить их влияние на эффективность анализа данных в различных сферах.

Для достижения цели поставлены следующие задачи:

1. Изучить сущность процедур кластеризации и роль кластеризации в анализе данных

2. Ознакомиться с иерархическими и неиерархическими алгоритмами кластеризации

3. Рассмотреть области применения процедур кластеризации

1. Процедуры кластеризации в анализе данных

1. Сущность кластеризации

Как и во многих концепциях научного характера, термин "кластеризация" подвергается разнообразным толкованиям и определениям. Множество специалистов предоставляют следующую дефиницию: "Кластерный анализ (Data clustering) – это задача разделения установленного множества объектов (ситуаций) на взаимно исключающие подмножества, называемые кластерами, таким образом, чтобы каждый кластер включал в себя схожие объекты, в то время как объекты из различных кластеров имели существенные различия". [5]

Процесс применения кластерного анализа, в обобщенной форме, подразумевает выполнение следующих этапов:

• Выборка объектов для кластеризации - определение подмножества объектов, которые будут подвергнуты процедуре кластеризации.
• Определение переменных - установление набора переменных, по которым будут оцениваться объекты в выборке. При необходимости, проведение нормализации значений переменных.
• Вычисление меры сходства - оценка степени схожести между объектами через вычисление значений меры сходства.
• Применение метода кластерного анализа - применение конкретного метода кластерного анализа для формирования групп схожих объектов, т.е., создание кластеров.
• Представление результатов анализа - предоставление интерпретируемых результатов, что включает в себя как графическое, так и количественное представление образованных кластеров.

Такой процесс кластеризации предоставляет эффективный механизм для организации и выделения внутренних закономерностей в данных, что делает его ценным инструментом анализа в различных научных дисциплинах и областях практического применения. [2]

Сущность кластеризации заключается в разделении множества данных на группы, или кластеры, внутри которых элементы обладают схожими характеристиками. Это позволяет выделить внутренние структуры и закономерности, которые могли бы остаться незамеченными при более традиционных методах анализа. Кластеризация основывается на таких принципах, как схожесть элементов, неопределенность и итеративный процесс, зависимость от контекста.